针对复杂场景下小地物漏检,裸地、道路等干扰因素引起建筑物变化样本不足导致的精度低等问题,提出一种改进的金字塔场景解析网络(Pyramid Scene Parsing Network,PSPNet)。搭建孪生PSPNet网络作为基础模型,通过融合不同尺度的特征层信息...针对复杂场景下小地物漏检,裸地、道路等干扰因素引起建筑物变化样本不足导致的精度低等问题,提出一种改进的金字塔场景解析网络(Pyramid Scene Parsing Network,PSPNet)。搭建孪生PSPNet网络作为基础模型,通过融合不同尺度的特征层信息,提高小尺度地物的检测精度;其次针对变化样本不足问题,结合多任务思想,使语义任务和变化检测任务在同一个网络中进行,从而解决变化样本不足的问题。结果表明:改进后的PSPNet模型在建筑物变化检测中的精确率为92.35%,召回率为85.61%,F_(1)分数为0.8885。相比原始的PSPNet模型精度提升6.2%、12.03%和0.09。本研究可为复杂场景下建筑物变化检测提供技术支持。展开更多
文摘针对复杂场景下小地物漏检,裸地、道路等干扰因素引起建筑物变化样本不足导致的精度低等问题,提出一种改进的金字塔场景解析网络(Pyramid Scene Parsing Network,PSPNet)。搭建孪生PSPNet网络作为基础模型,通过融合不同尺度的特征层信息,提高小尺度地物的检测精度;其次针对变化样本不足问题,结合多任务思想,使语义任务和变化检测任务在同一个网络中进行,从而解决变化样本不足的问题。结果表明:改进后的PSPNet模型在建筑物变化检测中的精确率为92.35%,召回率为85.61%,F_(1)分数为0.8885。相比原始的PSPNet模型精度提升6.2%、12.03%和0.09。本研究可为复杂场景下建筑物变化检测提供技术支持。